Activation of CD4+ T cells results in rapid proliferation and differentiation into effector and regulatory subsets. CD4+ effector T cell (Teff) (Th1 and Th17) and Treg subsets are metabolically distinct, yet the specific metabolic differences that modify T cell populations are uncertain. Here, we evaluated CD4+ T cell populations in murine models and determined that inflammatory Teffs maintain high expression of glycolytic genes and rely on high glycolytic rates, while Tregs are oxidative and require mitochondrial electron transport to proliferate, differentiate, and survive. Metabolic profiling revealed that pyruvate dehydrogenase (PDH) is a key bifurcation point between T cell glycolytic and oxidative metabolism. PDH function is inhibited by PDH kinases (PDHKs). PDHK1 was expressed in Th17 cells, but not Th1 cells, and at low levels in Tregs, and inhibition or knockdown of PDHK1 selectively suppressed Th17 cells and increased Tregs. This alteration in the CD4+ T cell populations was mediated in part through ROS, as N-acetyl cysteine (NAC) treatment restored Th17 cell generation. Moreover, inhibition of PDHK1 modulated immunity and protected animals against experimental autoimmune encephalomyelitis, decreasing Th17 cells and increasing Tregs. Together, these data show that CD4+ subsets utilize and require distinct metabolic programs that can be targeted to control specific T cell populations in autoimmune and inflammatory diseases.

Residual cancer cells that survive drug treatments with targeted therapies act as a reservoir from which eventual resistant disease emerges. Although there is great interest in therapeutically targeting residual cells, efforts are hampered by our limited knowledge of the vulnerabilities existing in this cell state. Here, we report that diverse oncogene-targeted therapies, including inhibitors of epidermal growth factor receptor (EGFR), anaplastic lymphoma kinase (ALK), KRAS, and BRAF, induce DNA double-strand breaks and, consequently, ataxia-telangiectasia mutated (ATM)-dependent DNA repair in oncogene-matched residual tumor cells. This DNA damage response, observed in cell lines, mouse xenograft models, and human patients, is driven by a pathway involving the activation of caspases 3 and 7 and the downstream caspase-activated deoxyribonuclease (CAD). CAD is, in turn, activated through caspase-mediated degradation of its endogenous inhibitor, ICAD. In models of EGFR mutant non-small cell lung cancer (NSCLC), tumor cells that survive treatment with small-molecule EGFR-targeted therapies are thus synthetically dependent on ATM, and combined treatment with an ATM kinase inhibitor eradicates these cells in vivo. This led to more penetrant and durable responses in EGFR mutant NSCLC mouse xenograft models, including those derived from both established cell lines and patient tumors. Last, we found that rare patients with EGFR mutant NSCLC harboring co-occurring, loss-of-function mutations in ATM exhibit extended progression-free survival on first generation EGFR inhibitor therapy relative to patients with EGFR mutant NSCLC lacking deleterious ATM mutations. Together, these findings establish a rationale for the mechanism-based integration of ATM inhibitors alongside existing targeted therapies.

Adoptive T cell therapies (ACT) have been curative for a limited number of cancer patients. The sensitization of cancer cells to T cell killing may expand the benefit of these therapies for more patients. To this end, we use a three-step approach to identify cancer genes that disfavor T cell immunity. First, we profile gene transcripts upregulated by cancer under selection pressure from T cell killing. Second, we identify potential tumor gene targets and pathways that disfavor T cell killing using signaling pathway activation libraries and genome-wide loss-of-function CRISPR-Cas9 screens. Finally, we implement pharmacological perturbation screens to validate these targets and identify BIRC2, ITGAV, DNPEP, BCL2, and ERRα as potential ACT-drug combination candidates. Here, we establish that BIRC2 limits antigen presentation and T cell recognition of tumor cells by suppressing IRF1 activity and provide evidence that BIRC2 inhibition in combination with ACT is an effective strategy to increase efficacy.

Abstract Recent work in cell culture models, animal models, and human patients indicates that cancers with acquired resistance to a drug can become simultaneously dependent upon the presence of that drug for survival. This drug dependence offers a potential avenue for improving treatments aimed at slowing resistance, yet relatively little is known about the frequency with which drug dependence arises, the mechanisms underlying that dependence, and how drug schedules might be tuned to optimally exploit drug dependence. In this work, we address these open questions using a combination of laboratory evolution, in vitro experiments, and simple mathematical models. First, we used laboratory evolution to select more than 100 resistant BRAF mutant melanoma cell lines with acquired resistance to BRAF, MEK, or ERK inhibitors. We found that nearly half of these lines exhibit drug dependence, and the dependency response is associated with EGFR-driven senescence induction, but not apoptosis, following drug withdrawal. Then, using melanoma populations with evolved resistance to the BRAF inhibitor PLX4720, we showed that drug dependence can be leveraged to dramatically reduce population growth when treatment strategies include optimally chosen drug-free “holidays”. On short timescales, the duration of these holidays depends sensitively on the composition of the population, but for sufficiently long treatments it depends only on a single dimensionless parameter ( γ ) that describes how the growth rates of each cell type depend on the different treatment environments. Experiments confirm that the optimal holiday duration changes in time–with holidays of different durations leading to optimized treatments on different timescales. Furthermore, we find that the presence of “non-dependent” resistant cells does not change the optimal treatment schedule but leads to a net increase in population size. Finally, we show that even in the absence of detailed information about the composition and growth characteristics of cellular clones within a population, a simple adaptive therapy protocol can produce near-optimal outcomes using only measurements of total population size, at least when these measurements are sufficiently frequent. As a whole, these results may provide a stepping-stone toward the eventual development of evolution-inspired treatment strategies for drug dependent cancers.

Abstract Appropriately tailored segmentation techniques can extract detailed quantitative information from biological image datasets to characterize and better understand sample distributions. Practically, high-resolution characterization of biological samples such as cell populations can provide insights into the sources of variance in biomarker expression, drug resistance, and other phenotypic aspects, but it is still unclear what is the best method for extracting this information from large image-based datasets. We present a software pipeline and comparison of multiple image segmentation methods to extract single-cell morphological and fluorescence quantitation from time lapse images of clonal growth rates using a recently reported microfluidic system. The inputs in all pipelines consist of thousands of unprocessed images and the outputs are the detection of cell counts, chamber identifiers, and individual morphological properties of each clone over time detected through multi-channel fluorescence and bright field imaging. Our conclusion is that unsupervised learning methods for cell segmentation substantially outperform supervised statistical methods with respect to accuracy and have key advantages including individual cell instance detection and flexibility through model training. We expect this system and software to have broad utility for researchers interested in high-throughput single-cell biology.

Abstract Single cell analysis tools have made significant advances in characterizing genomic heterogeneity, however tools for measuring phenotypic heterogeneity have lagged due to the increased difficulty of handling live biology. Here, we report a single cell phenotyping tool capable of measuring image-based clonal properties at scales approaching 100,000 clones per experiment. These advances are achieved by exploiting a novel flow regime in ladder microfluidic networks that, under appropriate conditions, yield a mathematically perfect cell trap. Machine learning and computer vision tools are used to control the imaging hardware and analyze the cellular phenotypic parameters within these images. Using this platform, we quantified the responses of tens of thousands of single cell-derived acute myeloid leukemia (AML) clones to targeted therapy, identifying rare resistance and morphological phenotypes at frequencies down to 0.05%. This approach can be extended to higher-level cellular architectures such as cell pairs and organoids and on-chip live-cell fluorescence assays.

Abstract Acquired resistance remains a major challenge for therapies targeting oncogene activated pathways. KRAS is the most frequently mutated oncogene in human cancers, yet strategies targeting its downstream signaling kinases have failed to produce durable treatment responses. Here, we developed multiple models of acquired resistance to dual-mechanism ERK/MAPK inhibitors across KRAS -mutant pancreatic, colorectal, and lung cancers, and then probed the long-term events enabling survival against this novel class of drugs. These studies revealed that resistance emerges secondary to large-scale transcriptional adaptations that are diverse and tumor-specific. Transcriptional reprogramming extends beyond the well-established early response, and instead represents a dynamic, evolved population-level process that is refined to attain a stably resistant phenotype. Mechanistic and translational studies reveal that resistance to dual-mechanism ERK/MAPK inhibition is broadly susceptible to manipulation of the epigenetic machinery, and that Mediator kinase, in particular, can be co-targeted at a bottleneck point to prevent diverse, tumor-specific resistance programs.

Abstract Acquired resistance remains a major challenge for therapies targeting oncogene activated pathways. KRAS is the most frequently mutated oncogene in human cancers, yet strategies targeting its downstream signaling kinases have failed to produce durable treatment responses. Here, we developed multiple models of acquired resistance to dual-mechanism ERK/MAPK inhibitors across KRAS -mutant pancreatic, colorectal, and lung cancers, and then probed the long-term events enabling survival against this class of drugs. These studies revealed that resistance emerges secondary to large-scale transcriptional adaptations that are diverse and cell line-specific. Transcriptional reprogramming extends beyond the well-established early response, and instead represents a dynamic, evolved process that is refined to attain a stably resistant phenotype. Mechanistic and translational studies reveal that resistance to dual-mechanism ERK/MAPK inhibition is broadly susceptible to manipulation of the epigenetic machinery, and that Mediator kinase, in particular, can be co-targeted at a bottleneck point to prevent diverse, cell line-specific resistance programs.

SUMMARY Evidence has long suggested that epidermal growth factor receptor (EGFR) may play a prominent role in triple-negative breast cancer (TNBC) pathogenesis, but clinical trials of EGFR inhibitors have yielded disappointing results. Using a candidate drug screen, we discovered that inhibition of CDK12 dramatically sensitizes diverse models of TNBC to EGFR blockade. Instead of functioning through CDK12’s well-established roles proximal to transcription, this combination therapy drives cell death through the 4E-BP1-dependent suppression of the translation and consequent stability of driver oncoproteins, including MYC. A genome-wide CRISPR/Cas9 screen identified the CCR4-NOT complex as a major determinant of sensitivity to the combination therapy whose loss renders 4E-BP1 unresponsive to drug-induced dephosphorylation, rescuing MYC translational suppression and stability. The central roles of CCR4-NOT and 4E-BP1 in response to the combination therapy were further underscored by the observation of CNOT1 loss and rescue of 4E-BP1 phosphorylation in TNBC cells that naturally evolved therapy resistance. Thus, pharmacological inhibition of CDK12 reveals a long proposed EGFR dependence in TNBC that functions through the cooperative regulation of translation-coupled oncoprotein stability.